Baixe o app para aproveitar ainda mais
Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original
* * Agentes Inteligentes Jeneffer Cristine Ferreria Lázaro Email:jenefferferreira@gmail.com Baseado no Cap. 2 do livro de Stuart Russel e Peter Norving - “Inteligência Artificial”, 2a ed. * * Agentes * * Agente Qualquer entidade que perceba (percepção) um ambiente através de sensores, executem tarefas de processamento de informações e de conhecimento, e atue sobre o ambiente através de atuadores. (Russel & Norvig 1995). * * Exemplos de Agentes Agente humano Sensores: olhos, ouvidos, olfato, tato, etc. Atuadores: mãos, pernas, boca, etc. Agente robótico Sensores: Câmeras, detectores da faixa de infravermelho e etc. Atuadores: Braços mecânicos, Motores e etc. Agente Software Sensores: sequencias de teclas digitadas, conteúdo de arquivos, pacotes de rede e etc. Atuadores: Exibi dados na tela, grava arquivos, envia pacotes de rede e etc. * * Percepção, Sequencia de Percepções e Ações Percepção: entradas perceptivas do agente em qualquer momento Sequencia de percepções: história completa de tudo o que o agente já percebeu A escolha de uma ação de um agente em qualquer instante pode depender da sequencia inteira de percepção até o momento Uma função agente é o mapeamento de qualquer sequencia possível de percepções para uma ação Tabela muito grande. Na verdade infinita. A menos que se tenha um limite para o comprimento da sequencia de percepções * * EXEMPLOS APLICAÇÕES * * Data Mining (Mineração de Dados) O que é? análise inteligente visando manipulação automática de quantidades imensas de dados Larga aplicação nos mais variados ramos da indústria, comércio, medicina, governo, administração, etc. Integra várias técnicas e tecnologias Exemplos Bank of America Selecionou entre seus clientes, aqueles com menor risco de dar calotes Em três anos o banco lucrou 30 milhões de dólares com a carteira de empréstimos Fraldas e cervejas homens casados, entre 25 e 30 anos compravam fraldas e/ou cervejas às sextas-feiras à tarde Wal-Mart otimizou as gôndolas e o consumo cresceu 30% * * * Entretenimento Diversos tipos de aplicações histórias interativas animações em ambientes virtuais jogos Requisitos p/ sucesso em jogos bons níveis de interação bons níveis de realismo gráfico Para gerar ilusão de vida é preciso expressar e controlar personalidade, emoções, atitudes => atores * * Exemplos * * Exemplos Maxis: SimLife Fujitsu: Fin Fin * * Robótica Robôs Médios Robôs Pequenos * * * * Mundo do aspirador de pó Função do agente: limpar Ambiente: dois quadrados A e B Percepção do agente: em que quadrado ele está e se existe sujeira no quadrado Ações do agente: mover-se para esquerda, direita, aspirar o pó ou não fazer nada * * Mundo do aspirador de pó “A escolha da ação de um agente em qualquer dado instante pode depender da sequencia inteira de percepções observadas até o momento” Tabulação da função do agente: O que torna o agente bom ou ruim? * * Agente Básico * * Agente Básico Entrada: percepção Saída: ação Possui: memória do ambiente Funções: Atualiza memória com a percepção Escolhe a melhor ação,com base na memória Atualiza memória com a ação Retorna: ação * * Agente Básico Observações: Recebe uma entrada por vez. o agente é quem deve construir a sequencia de percepção, se necessário. A cada invocação a memória do agente é atualizado para refletir a nova percepção a melhor ação é escolhida e o fato dela ser executado é incluído na memória. * * Como é um bom agente? “Um bom agente é aquele que faz tudo certo” O que significa o agente fazer tudo certo? ⇓ Possível abordagem: a ação certa é aquela que fará o agente obter maior sucesso ⇓ Necessidade de um método para medir o sucesso! * * Agente Racional O AGENTE QUE FAZ TUDO CERTO O que significa fazer TUDO CERTO? Aquilo que faz o agente ter o maior grau de sucesso Medida de Desempenho Algum critério para medir o sucesso do agente Normalmente tem que ser algo objetivo Exemplo: Maximizar a quantidade de sujeira removida por dia, Reduzir o consumo de eletricidade, Manter o chão limpo por mais tempo. * * Agente Racional Precisamos de uma forma para “medir” o sucesso Medidas de desempenho (MD) ->critérios para se medir o sucesso do comportamento do agente Exemplo de MD para um agente que limpa uma sala: MD1: quantidade de lixo retiradas X horas de trabalho MD2: quantidade de lixo retiradas X horas de trabalho descontadas a energia gasta e o nível de ruído produzido Regra Geral: a medida de desempenho deve considerar o que se deseja no ambiente, e não de acordo com o comportamento esperado do agente. * * Agente Racional Racionalidade depende de, pelo menos, quatro itens: 1 - Critério (medida) de desempenho que define o grau de sucesso, 2 - Tudo que o agente percebeu: história (memória) perceptiva 3 - Conhecimento do ambiente ( o que o agente sabe sobre o ambiente) 4 - Ações que o agente pode executar. * * Qual a medida de desempenho do aspirador de pó? Oferecer premio para cada ambiente limpo Geografia do ambiente é conhecida a priori Ações disponíveis: esquerda, direita, aspirar ou NoOP (não fazer nada). O agente percebe corretamente sua posição e se essa posição contém sujeira. * * Agente racional ideal Para cada sequencia de percepção possível, um agente racional ideal deve saber se sua ação maximizará sua medida de desempenho, baseado na evidência de sua sequencia de percepção e no conhecimento que ele traz consigo. * * Onisciência, Racionalidade e Perfeição Racionalidade x Onisciência são diferentes Onisciência: poder saber os resultados de suas ações antecipadamente e com precisão Impossível de se atingir na realidade Racionalidade: maximiza o desempenho esperado Perfeição: maximiza o desempenho real Exemplo: Ao atravessar uma rua... Não podemos condenar um agente que falha por não levar em conta algo que ele não pode perceber ou por uma ação que ele não é capaz de tomar * * Coleta de informações e exploração Coleta de informações: A realização de ações com a finalidade de modificar percepções futuras é uma parte importante da racionalidade Também pode ser a realização de ações para a exploração de um ambiente desconhecido Exemplo: agente que atravessa a rua sem olhar não é racional O agente racional deve escolher a ação de olhar antes de realizar a travessia, porque maximiza o desempenho esperado. * * Aprendizagem O agente pode ter algum conhecimento anterior Ele também pode ganhar experiência e modificar e ampliar este conhecimento Se o ambiente é previamente conhecido: O agente não precisa aprender ou perceber Somente agir de forma correta Mas este tipo de agente se torna muito frágil * * A natureza dos ambientes 1º Passo: pensar em ambientes de tarefas, para os quais os agentes racionais são as soluções. Ambientes de tarefas: Compreendem as seguintes especificações: Medida de desempenho Ambiente Atuadores Sensores PEAS: Performance, Environment, Actuators, Sensors * * Exemplo: Agente Motorista de Taxi * * Desempenho chegar no lugar certo minimizar o consumo de combustível e desgaste minimizar o tempo de percurso, custo da viagem minimizar as infrações de leis de trânsito minimizar os distúrbios aos outros motoristas maximizar a segurança e conforto do passageiro Ambiente estradas locais ou freeways, tipo de tráfego, chuvas, ... o ambiente irá determinar a dificuldade da implementação Atuadores Frear, acelerar, virar, falar com o passageiro, se comunicar com outros motoristas Sensores Sensores de velocidade, aceleração, estado (mecânico) do veículo GPS (Golbal Positioning System) para saber onde esta num mapa Sensores infra-vermelhos para detectar a distância dos outros carros Microfone ou teclado para o passageiro informar o destino * * Agente - Guarda de Transito * * Exemplo de Agentes * * Propriedades dos ambientes * * Completamente observável x parcialmente observável Observável: Sensores têm acesso ao estado completo do ambiente (i.e. os agentes veem tudo). isto é, observável se os sensores do agente dão a ele acesso ao estado completo do ambiente Os sensores captam toda informação relevante para a escolha por uma ação. Não é necessário manter o estado interno (Dispensa histórico). Parcialmente observável: devido ao ruído e a sensores imprecisos ou porque partes do estado estão simplesmente ausentes nos dados do sensor Ex.: Jogo de xadrez – Observável (acessível) (ambiente) robô que seleciona peças – parcialmente observável (inacessível) * * Ambiente Determinístico x Estocástico O próximo estado do ambiente é completamente determinado pelo estado corrente em conjunto com a ação executada pelo agente Próximo estado = estado atual + ações dos agentes. Devemos dizer se um ambiente é ou não determinístico do ponto de vista de um agente. Se o ambiente é parcialmente observável (inacessível), pode parecer estocástico. Ex.: Jogo de xadrez – determinístico robô que seleciona peças – estocástico (não-determinístico) * * Ambiente Episódico x Sequencial A experiência dos agentes é dividida em episódios i.e. pares - percepção-ação. Cada episódio consiste em o agente perceber e então agir. A qualidade da ação depende apenas do episódio em si, porque episódios seguintes não dependem da ação dos episódios anteriores. O Ambiente Episódico é mais simples porque o agente não precisa pensar no futuro. O ambiente sequencial, a decisão atual poderia afetar todas as decisões futuras Ex.: Jogo de xadrez – sequencial robô que seleciona peças – episódico * * Ambiente Estático x Dinâmico Dinâmico: O ambiente pode mudar enquanto o agente processa Se o ambiente mudar enquanto o agente estiver pensando é dinâmico Estático é mais fácil Não precisa se preocupar com o ambiente ou o tempo É mais simples de lidar porque o agente não precisa monitorar o ambiente enquanto toma uma decisão. Ex.: Jogo de Xadrez sem relógio – estático robô que seleciona peças – dinâmico * * Ambiente Discreto x Contínuo Discreto: Se houver um número limitado de percepções e ações distintas e bem definidas Contínuo: Percepções e ações mudam em um espectro contínuo de valores. Ex.: Jogo de xadrez – discreto robô que seleciona peças – contínuo * * Tipos de ambientes * * Exercícios * * Resolva os agentes abaixo de acordo com os seus ambientes de atuação – Utilize o método de PEAS Robô jogador de futebol Agente catálogo de compras da Internet. Tutor de línguas. Diagnostico médico. Assistente de matemático para demonstração de teoremas. * * Para cada um dos tipos de agentes listados abaixo, caracterize o ambiente de acordo com as propriedades de ambiente dada em sala de aula e explique detalhadamente a propriedade sobre cada agente. * * Vamos expandir o problema do aspirador de pó. Supondo que o tamanho da sala aumentou e agora o aspirador também pode ir para cima e para baixo. Resolva o problema. * * Referencia Baseado no Cap. 2 do livro de Stuart Russel e Peter Norving - “Inteligência Artificial”, 2a ed. * * * *
Compartilhar